Matriz de correlación
Calcula la correlación por pares entre activos
La primera fila son los encabezados. Cada fila siguiente es un punto de datos. Usa comas para separar los valores.
¿Qué es esta herramienta?
La matriz de correlación muestra los coeficientes de correlación por pares entre varios activos o series de datos. Los valores van desde -1 (correlación negativa perfecta) pasando por 0 (sin correlación) hasta +1 (correlación positiva perfecta). La diversificación funciona mejor cuando los activos del portafolio tienen correlaciones bajas o negativas. Cuando todos los activos se mueven juntos (alta correlación positiva), los beneficios de la diversificación desaparecen. Esta herramienta calcula la correlación de Pearson a partir de datos históricos de precios o rendimientos y la visualiza como un mapa de calor.
Cómo usar
- 1
Introduce los datos de los activos
Los datos de precio o rendimiento de cada activo (uno por fila, alineados por fecha).
- 2
Elige el método
El método de correlación de Pearson, Spearman o Kendall.
- 3
Consulta la matriz
La matriz de correlación con mapa de calor codificado por colores para una fácil interpretación.
Preguntas frecuentes
¿Por qué es importante la correlación para la gestión del portafolio?
La correlación determina la efectividad de la diversificación. Un portafolio de acciones con correlación 0,9 se comporta casi como una sola acción durante los eventos de mercado. La diversificación verdadera requiere activos con correlaciones cercanas a 0 o negativas. El oro, los bonos y el efectivo suelen tener correlación baja o negativa con las acciones, lo que los convierte en coberturas eficaces.
¿Cuáles son los diferentes métodos de correlación?
Pearson mide las relaciones lineales y es el más común. Spearman ordena primero los valores y detecta relaciones monótonas pero no lineales. Kendall es más robusto para muestras pequeñas y datos ordinales. Para datos financieros, Pearson es el estándar, pero Spearman resulta útil cuando las relaciones no son lineales (p. ej., clusters de volatilidad).
¿La correlación implica causalidad?
No — este es el error estadístico más común. Dos variables pueden estar muy correlacionadas sin ninguna relación causal. Los precios de las acciones y las ventas de helado están correlacionados (ambos suben en verano), pero uno no causa al otro. En finanzas, usa la correlación para construir el portafolio, no como prueba de causalidad.
Herramientas relacionadas
- Métricas de rendimiento de backtestCalcula métricas integrales de rendimiento de un sistema de trading a partir de los resultados de backtesting.
- Simulación Monte CarloSimulación de Monte Carlo para predicción de precios bursátiles.
- Calculadora de ratio de SharpeCalcula el ratio de Sharpe para evaluar el rendimiento ajustado al riesgo.